霍亮生， 顧祖寶， 吳 垚

(北京工商大學(xué)材料與機械工程學(xué)院，北京 100048)

機器視覺技術(shù)對紙質(zhì)包裝切割壓痕設(shè)備控制性能的改進設(shè)計

霍亮生， 顧祖寶， 吳 垚

(北京工商大學(xué)材料與機械工程學(xué)院，北京 100048)

針對在用NRG-P型切割壓痕設(shè)備存在的問題，提出用機器視覺這種新型的檢測方法對其進行控制性能改進.改進的主要任務(wù)是原點位置識別和偏差角度校正，并通過圖像采集、圖像處理手段對這兩個量求解.圖像處理過程包括圖像二值化、圖像降噪、圖像邊緣檢測和圖像標(biāo)定等，同時還設(shè)計了CAN總線驅(qū)動電路.最后通過坐標(biāo)系旋轉(zhuǎn)變換，修正了刀具的運動軌跡，提高了加工精度.

NRG-P;切割壓痕設(shè)備;機器視覺;圖像處理;坐標(biāo)系旋轉(zhuǎn)

近年來，隨著我國經(jīng)濟的迅速發(fā)展，食品工業(yè)應(yīng)用廣泛的彩印包裝紙箱產(chǎn)業(yè)的地位越來越突出，相關(guān)的紙包裝箱切割壓痕設(shè)備的需求也在進一步擴大.同時對加印后加工設(shè)備的要求也很高，其決定產(chǎn)品質(zhì)量的關(guān)鍵因素是找正校準［1－2］.NRG-P是國內(nèi)的一款切割壓痕機型，但是其找正工序依靠人工操作，自動化程度不高且找正精度差，加工數(shù)量多的時候，廢品率高，工人勞動強度大，生產(chǎn)效率很難保證.隨著電子信息產(chǎn)業(yè)和微處理技術(shù)的發(fā)展，機器視覺技術(shù)蓬勃興起，已應(yīng)用于各種工業(yè)控制、檢測設(shè)備中，在現(xiàn)代制造業(yè)中具有廣闊的應(yīng)用前景［3－5］.本文擬用機器視覺技術(shù)改進NRG-P型設(shè)備的找正系統(tǒng)，以求達到較高的加工精度.

1 機器視覺要解決的主要問題

NRG-P型切割壓痕設(shè)備主要用于加工如紙板類板型材料，而紙板又廣泛應(yīng)用包裝中.設(shè)備可實現(xiàn)三軸運動，先裁出紙箱的外形輪廓，而后對紙箱需折疊處壓痕，最終實現(xiàn)紙箱成型.但是在實際使用過程中，由于人工找正校準費時費力，所以在原有伺服控制系統(tǒng)的基礎(chǔ)上引入機器視覺的檢測方法.本文中機器視覺所要解決的主要問題有三點:

1)確定加印紙板原點在工作臺上的位置;

2)確定紙板的傾斜角度;

3)根據(jù)坐標(biāo)系旋轉(zhuǎn)變換，確定插補軌跡.

根據(jù)所得到的位置和角度信息，計算出控制信號，使控制系統(tǒng)調(diào)整切割壓痕軌跡，做到機器自動找正，免去繁雜的人工操作.

2 系統(tǒng)總體構(gòu)成

典型的機器視覺檢測系統(tǒng)主要由CCD攝像頭、圖像采集、主控制器、驅(qū)動電路、執(zhí)行機構(gòu)組成［6］(如圖1).

圖1 機器視覺檢測系統(tǒng)的組成Fig.1 Composition of machine vision test system

CCD攝像頭主要原理是接收外部圖形信息的激勵并響應(yīng)，圖像采集模塊把攝像頭的響應(yīng)信號轉(zhuǎn)變?yōu)橛嬎銠C可識別的數(shù)字信號，并存儲于數(shù)據(jù)存儲區(qū)，主控器接收到圖像數(shù)據(jù)以后，對圖像進行特征點標(biāo)定、邊緣檢測等處理，根據(jù)處理結(jié)果，輸出控制信號，經(jīng)驅(qū)動電路帶動執(zhí)行機構(gòu)運轉(zhuǎn)［7］.

3 圖像邊緣檢測

邊緣是圖像最基本的特征［8］，在圖像處理和模式識別中占有重要的地位.而圖像處理的流程都是依靠主控制器處理完成.因此，低功耗、運行速度快、存儲量大成為對主控制器的基本要求.

3.1 主控制器的選擇

主控制器選擇飛思卡爾公司最新推出的K60微控制器，它采用ARM內(nèi)核加上DSP處理功能，運行主頻高達100 MHz，特別適合于大量圖像數(shù)據(jù)處理過程.另外，K60擁有多路DMA通道，節(jié)省了CPU的開銷，使CPU專注于圖像處理算法過程.同時，它內(nèi)部還集成了CAN通信接口模塊，簡化了驅(qū)動電路的設(shè)計.

3.2 圖像邊緣檢測流程

圖像的邊緣檢測一般要經(jīng)過圖像灰度化、二值化、降噪處理［9］，其流程如圖2.

圖2 圖像邊緣檢測流程Fig.2 Processing of image edge detection

為了保證主控器可以準確接收處理圖形信息，原始圖像必須經(jīng)過灰度化.為了進一步區(qū)別前景與背景，也為了方便后續(xù)的邊緣檢測過程，把圖像轉(zhuǎn)化黑白二值圖像，后續(xù)只需要檢測出圖像黑白相間的地方即為圖像邊界.一般所得到的圖像具有干擾噪聲，所以圖像降噪處理是非常必要的.

3.3 圖像二值化

圖像二值化的具體過程就是把圖像上所有點的灰度值化成0和255［10］，使圖像呈現(xiàn)明顯的黑白效果.閾值的選取是二值化的關(guān)鍵，合適的閾值可以精確反應(yīng)圖像的整體和局部特征.一般閾值選取方法有全局閾值選取和局部閾值選取兩種.全局閾值選取是指根據(jù)整個圖像確定一個閾值，而局部閾值選取法是指將一副圖像分割成若干個子圖像，再針對每個子圖選取閾值.全局閾值適合于目標(biāo)和背景比較清楚的圖像，若背景不均勻，則適合用局部閾值法.本工作系統(tǒng)目標(biāo)和背景比較清楚，因此選擇全局閾值法.

3.4 降噪處理

經(jīng)過二值化處理后的圖像往往會存在比較大的噪聲干擾，主要表現(xiàn)為出現(xiàn)孤立點、毛刺、孔洞等缺陷，這些缺陷將不利于后續(xù)圖像輪廓的提取，必須進行降噪處理.噪聲處理方法常用的有數(shù)學(xué)形態(tài)法和模板法.數(shù)學(xué)形態(tài)法有4個基本運算，開運算、閉運算、擴張和侵蝕.開運算可去除灰度圖像中的尖峰噪聲，對于圖像中的峽谷則可以用閉運算填平.模板法清除噪聲的類型是圖像邊緣上的毛刺和孔洞，去除方法簡單，它不但能夠有效地平滑脈沖噪聲，而且還能保持圖像的邊緣尖銳，在圖像處理中比較常用［11］.

3.5 圖像邊緣檢測算法

圖像的邊緣是指圖像局部區(qū)域亮度變化最大的地方，即圖像局部從一個很小的灰度值積聚變化為一個較大的灰度值.由于邊緣是灰度值不連續(xù)的結(jié)果，所以可以用求導(dǎo)數(shù)的方法檢測邊緣，見式(1).

式(1)中，f(i，j)為點(i，j)處的灰度值，g(i，j)為改點處的導(dǎo)數(shù).常用的檢測算子有Sobel算子、Krisch算子、Prewitt算子和基于微分法的Robert算子.這些算子都比較簡單，易于實現(xiàn)，但是對圖像的噪聲特別敏感，在實際應(yīng)用中不是很理想.相比之下，Canny算子的檢測精度較高，在實際中也較為常用.近年來，又陸續(xù)出了一些新的邊緣檢測方法，如，模糊學(xué)，遺傳算法等.Canny算子已經(jīng)可以滿足本次使用.

圖3為圖像邊緣檢測過程的一個實例.在工作臺上，放置一紙板，拍攝圖像，圖像灰度化后通過設(shè)定合適的閾值使背景工作臺和前景紙板二值化區(qū)分，再經(jīng)圖像降噪處理后提取紙板邊界.

4 校正方法

紙板在工作臺上，OXY為機床坐標(biāo)系，紙板的上端面A、B兩端點為標(biāo)定點，如圖4.

4.1 原點位置識別

圖3 圖像邊緣檢測實例Fig.3 Example of image edge detection

原點位置識別是指加印紙板原點在工作臺上的位置.為了準確識別，通過加標(biāo)記點的方法［12］.在刀具上方放置一激光管，可通過手搖式脈沖發(fā)生器將激光管發(fā)出的亮斑對準十字標(biāo)記，也可先經(jīng)圖像識別出加印紙板上的十字標(biāo)記，然后標(biāo)定出原點在機床坐標(biāo)系下的坐標(biāo)，最后得到控制信號，驅(qū)動刀具到達標(biāo)記點，確保下刀準確.

圖4 工作系統(tǒng)示意Fig.4 Test operating system diagram

4.2 角度偏差計算

修正軌跡的前提是得到角度的偏差量，若標(biāo)定后A點坐標(biāo)為(x，y)，B點坐標(biāo)為(m，n)，

式(2)中:?為直線AB同X軸的夾角，由此可求得角度偏差.若機床坐標(biāo)系與工件坐標(biāo)系存在角度偏差，則必須對工件坐標(biāo)系下各點進行坐標(biāo)系旋轉(zhuǎn)變換，得出變換后機床坐標(biāo)系下的坐標(biāo)，進而由執(zhí)行機構(gòu)進行直線軌跡插補算法［13－14］.

4.3 坐標(biāo)系旋轉(zhuǎn)變換

機床坐標(biāo)系是機床固有的，用來確定工件坐標(biāo)系.機床必須根據(jù)工件的形狀確定刀具的運動方向和位移.此處的運動方向和位移都是相對機床坐標(biāo)系而言.理想狀態(tài)下，機床坐標(biāo)系和工件坐標(biāo)系是重合關(guān)系或只是具有相對位置上的增量關(guān)系，但是在實際中，兩坐標(biāo)系間經(jīng)常還會有一定的角度偏差.運用坐標(biāo)系的旋轉(zhuǎn)變換可以校正這一偏差.

坐標(biāo)系xoy與坐標(biāo)系x1oy1原點重合，xoy為工件坐標(biāo)系，x1oy1為機床坐標(biāo)系，兩坐標(biāo)系角度偏差為?，如圖5.在工件坐標(biāo)系下的任意一點P(x，y)都可轉(zhuǎn)化為在機床坐標(biāo)下的坐標(biāo)(x1，y1).其關(guān)系式為:

圖5 坐標(biāo)系旋轉(zhuǎn)變換Fig.5 Coordinate rotation transformation

4.4 驅(qū)動電路

經(jīng)過圖像處理和坐標(biāo)系旋轉(zhuǎn)變換后得到的校正控制信號不能直接傳送給執(zhí)行機構(gòu)，因為NRG-P型機床的伺服系統(tǒng)采用的是CAN總線通信協(xié)議，所以本改進系統(tǒng)中還需要加入CAN的驅(qū)動電路［15］，如圖6.圖6中所使用的驅(qū)動芯片為 TI公司的SN65HVD230.

5 結(jié)束語

圖6 CAN驅(qū)動電路Fig.6 Driving circuit of CAN

本設(shè)計運用機器視覺技術(shù)改進了NRG-P型設(shè)備的找正系統(tǒng)，改進后的系統(tǒng)自動化水平更高，操作方便，工作效率更高，加工成品美觀、提高了加工精度，具有廣闊的應(yīng)用前景.

［1］袁禾.模切加工包裝印后突破口［J］.印刷經(jīng)理人，2003(5):59-61.

［2］孟維娟.淺談紙盒成型中常見的問題及解決方法［J］.上海包裝，2012(2):42-43.

［3］王洪濤.淺析機器視覺技術(shù)在機械制造自動化中的應(yīng)用［J］.電子制作，2012(11):137.

［4］Liu Yingjie，You Fucheng.Postmark date recognition based on machine vision［J］.Physics Procedia，2012，33:819-826.

［5］鄭清明，張蔚.智能化機器視覺技術(shù)在工業(yè)生產(chǎn)和自動檢測領(lǐng)域的發(fā)展及應(yīng)用［J］.制造業(yè)自動化，2005，27:411-415.

［6］劉華波.機器視覺技術(shù)在PCBV割機上的應(yīng)用研究［D］.重慶:重慶大學(xué)，2005:7-18.

［7］Shen Hao，Li Shuxiao，Gu Duoyu.Hongxing chang bearing defect inspection based on machine vision［J］.Measurement，2012，45(4):719-733.

［8］歐紅旗.預(yù)印制圖像的板材切割自動找正系統(tǒng)研究與開發(fā)［D］.南京:南京航空航天大學(xué)，2010:16-26.

［9］虞瑤.基于CCD的激光切割機高度跟隨檢測系統(tǒng)的研究［D］.武漢:華中科技大學(xué)，2007:37-48.

［10］Atas M，Yardimci Y，Temizel A.A new approach to aflatoxin detection in chili pepper by machine vision［J］.Computers and Electronics in Agriculture，2012，87:129-141.

［11］王小林，郭玉華，張輝宜.連鑄板坯高精度切割控制技術(shù)的研究及應(yīng)用［J］.鋼鐵研究學(xué)報，2008，20(5):52-55.

［12］孫斌.基于激光輔助的機器視覺汽車測距技術(shù)研究［J］.激光與光電子學(xué)進展，2012(11):1-6.

［13］Tuysuz O，Altintas Y，F(xiàn)eng H Y.Prediction of cutting forces in three and five-axis ball-end milling with tool indentation effect［J］.International Journal of Machine Tools and Manufacture，2013，66:66-81.

［14］McCarthy C T，Hussey M，Gilchrist M D.On the sharpness of straight edge blades in cutting soft solids:partⅠ-indentation experimentsengineeringfracture［J］.Mechanics，2007，74(14):2205-2224.

［15］王宜懷，吳瑾，蔣銀珍.嵌入式原理與實踐——ARM Cortex-M4 Kinetis微控制器［M］.北京:電子工業(yè)出版社，2012:258-288.

Control Performance Improvement of Cutting and Indentation Equipment in Paper Packing with Machine Vision Technology

HUO Liang-sheng， GU Zu-bao， WU Yao
(School of Material Science and Mechanical Engineering，Beijing Technology and Business University，Beijing100048，China)

Due to problems of NRG-P type cutting and indentation equipment，a new test method，the machine vision technology，was presented to improve its control performance.The main tasks were the recognition of the origin position and correction of the deviation angle，which were solved by the image collecting and image processing technology.The image processing included binarization，noise filtering，edge detecting，and calibration of image.Meanwhile，the driving circuit of CAN was designed.Moreover，the cutter movement orbits were amended and the machining accuracy was improved by the transform of the coordinate system rotation.

NRG-P;cutting and indentation equipment;machine vision;image processing;coordinate system rotation

TS206.5;TH164

A

2095-6002(2013)06-0072-04

霍亮生，顧祖寶，吳 垚.機器視覺技術(shù)對紙質(zhì)包裝切割壓痕設(shè)備控制性能的改進設(shè)計.食品科學(xué)技術(shù)學(xué)報，2013，31(6):72 －75.

HUO Liang-sheng，GU Zu-bao，Wu Yao.Control Performance Improvement of Cutting and Indentation Equipment in Paper Packing with Machine Vision Technology.Journal of Food Science and Technology，2013，31(6):72 －75.

2013-01-18

霍亮生，男，教授，主要從事嵌入式系統(tǒng)控制方面的研究.

(責(zé)任編輯:檀彩蓮)